[发明专利]基于改进多目标粒子群优化聚类的图像分割方法

摘要

本发明公开了基于改进多目标粒子群优化聚类的图像分割方法，主要解决现有聚类图像分割技术评价指标单一和区域杂点多，分割不理想等问题。其实现步骤为(1)输入原始图像，提取像素特征，并进行分水岭分割，产生聚类数据；(2)利用聚类数据初始化种群(3)升级种群中各粒子的速度和位置(4)评价各新粒子，计算聚合值并升级理想点(5)升级各粒子的最优位置，升级leader粒子库和外部粒子库(6)更新迭代次数，若达到预先设定的最大迭代次数，则输出外部粒子库，否则继续执行步骤(3)(7)在输出的外部粒子库中，根据聚合值的大小选择最优个体，根据最优个体进行标记，得到分割结果。本发明与现有技术相比，边缘保持较好，分割正确率高，可用于SAR图像的目标识别。

主权项

基于改进多目标粒子群优化聚类的图像分割方法，其特征在于：包括如下步骤：(1)输入待分割图像，提取待分割图像的特征，并计算该待分割图像的梯度，得到梯度图像，对梯度图像进行分水岭分割，得到N个互不重叠的区域，N≥1000；(2)对每个区域中所有像素点特征取均值，获得每一个区域的特征向量，作为初始聚类数据点集合W＝{w1,w2…wN}；(3)利用初始聚类数据点集合，随机初始化大小为M的种群:(3a)随机初始化各粒子的位置X＝{x1,x2…xM}、速度V＝{v1,v2…vM}，每个粒子的位置xm代表一种分割结果，m＝1,2,…M，M＝50；(3b)将各粒子的当前位置作为各粒子的最优位置；(4)根据每个粒子的位置计算每个粒子的目标函数值F，F＝[f1 f2]，其中，f1为类内方差，f2为类间连接；(5)根据各粒子的位置和目标函数值初始化leader粒子库和外部粒子库；(6)根据目标函数值初始化理想点Z*，Z*＝[Z1 Z2]，其中Z1为第一个目标函数f1到目前为止找到的最小值，其中Z2为第二个目标函数f2到目前为止找到的最小值；(7)根据各粒子的目标函数值标准化各粒子的目标函数值，并计算各粒子的聚合函数值；(8)升级各个粒子的速度和位置；升级公式按如下进行：vit+1=vit+(pit-xit)+(pgt-xit)]]>xit+1=xit+vit+1]]>其中，表示t+1代第i个粒子的速度，表示t代第i个粒子的速度，表示t代第i个粒子的位置；表示t+1代第i个粒子的位置，表示t代第i个粒子的最好位置，表示t代leader粒子库中的粒子；(9)对每个新粒子进行评价，即对新粒子计算每个目标函数的值；(10)根据每个目标函数的值，升级种群的理想点；(11)根据每个粒子的目标函数值计算每个粒子的聚合函数值；(12)根据每个粒子的聚合函数的值的大小升级每个粒子的最优位置：如果新粒子的聚合函数值比粒子最优位置的聚合函数值小，则用新粒子的位置代替粒子的最优位置，否则粒子最优位置不变；(13)升级leaders粒子库和外部粒子库；(14)更新迭代次数t，直到迭代次数达到预先设定的最大值max gen，则输出外部种群，否则返回到步骤(6)进行下一代迭代；(15)在输出的外部种群中选择最优解；利用分解过程中得到的聚合函数值来进行最优解的选取；具体实现是先选择使用者设定的类别数的非支配解作为候选解；然后分别将每个候选解在聚合函数上聚合函数值最小的个体作为最优个体；最后将最优个体所对应的类别标号作为像素的灰度值，得到图像分割结果。